推論プロセッサ

パイプラインに取り込まれるデータに対して、事前にトレーニングされたデータフレーム分析モデルまたは自然言語処理タスク用にデプロイされたモデルを使用して推論を行います。


表27. 推論オプション

名前 必須 デフォルト 説明
model_id . はい - (文字列) トレーニングされたモデルのIDまたはエイリアス、またはデプロイメントのID。
input_output いいえ - (リスト) 推論のための入力フィールドと推論結果の出力（宛先）フィールド。このオプションは、target_fieldおよびfield_mapオプションと互換性がありません。
target_field いいえ ml.inference.<processor_tag> (文字列) 結果オブジェクトを含むために受信ドキュメントに追加されるフィールド。
field_map いいえ モデルのデフォルトフィールドマップが定義されている場合 (オブジェクト) ドキュメントフィールド名をモデルの既知のフィールド名にマッピングします。このマッピングは、モデル構成で提供されるデフォルトのマッピングよりも優先されます。
inference_config いいえ モデルで定義されたデフォルト設定 (オブジェクト) 推論タイプとそのオプションを含みます。
ignore_missing いいえ false (ブール値) trueおよびinput_ouputで定義された入力フィールドが欠落している場合、欠落したフィールドは静かに無視されます。そうでない場合、欠落したフィールドは失敗を引き起こします。input_output構成を使用して入力フィールドを明示的にリストする場合にのみ適用されます。
description いいえ - プロセッサの説明。プロセッサの目的や構成を説明するのに役立ちます。
if いいえ - 条件付きでプロセッサを実行します。プロセッサを条件付きで実行するを参照してください。
ignore_failure いいえ false プロセッサの失敗を無視します。パイプラインの失敗を処理するを参照してください。
on_failure いいえ - プロセッサの失敗を処理します。パイプラインの失敗を処理するを参照してください。
tag いいえ - プロセッサの識別子。デバッグやメトリクスに役立ちます。
  • input_outputフィールドは、target_fieldおよびfield_mapフィールドと一緒に使用できません。NLPモデルの場合は、input_outputオプションを使用します。データフレーム分析モデルの場合は、target_fieldおよびfield_mapオプションを使用します。
  • 各推論入力フィールドは、単一の文字列でなければならず、文字列の配列ではありません。
  • input_fieldはそのまま処理され、推論実行時にインデックスマッピング\u0026#39;のアナライザーを無視します。

入力および出力フィールドの設定

  2. 指定された`````output_field`````がすでに取り込まれたドキュメントに存在する場合、上書きされません。推論結果は`````output_field`````内の既存のフィールドに追加され、重複フィールドや潜在的なエラーを引き起こす可能性があります。これを避けるために、既存のフィールドと衝突しない一意の`````output_field`````フィールド名を使用してください。
  5. #### Js
  7. ``````js
  8. {
  9.   "inference": {
  10.    "model_id": "model_deployment_for_inference",
  11.    "input_output": [
  12.    {
  13.    "input_field": "content",
  14.    "output_field": "content_embedding"
  15.    }
  16.    ]
  17.   }
  18. }
  19. `

複数入力の設定

  3. #### Js
  5. ``````js
  6. {
  7.   "inference": {
  8.    "model_id": "model_deployment_for_inference",
  9.    "input_output": [
  10.    {
  11.    "input_field": "content",
  12.    "output_field": "content_embedding"
  13.    },
  14.    {
  15.    "input_field": "title",
  16.    "output_field": "title_embedding"
  17.    }
  18.    ]
  19.   }
  20. }
  21. `
  2. データフレーム分析モデルは、`````target_field`````を使用して結果が書き込まれるルート位置を指定し、オプションで`````field_map`````を使用して入力ドキュメントのフィールド名をモデルの入力フィールドにマッピングする必要があります。
  5. #### Js
  7. ``````js
  8. {
  9.   "inference": {
  10.    "model_id": "model_deployment_for_inference",
  11.    "target_field": "FlightDelayMin_prediction_infer",
  12.    "field_map": {
  13.    "your_field": "my_field"
  14.    },
  15.    "inference_config": { "regression": {} }
  16.   }
  17. }
  18. `

分類設定オプション

推論のための分類設定。

  • num_top_classes
  • (オプション、整数) 戻すトップクラス予測の数を指定します。デフォルトは0です。
  • num_top_feature_importance_values
  • (オプション、整数) ドキュメントごとの特徴重要度値の最大数を指定します。デフォルトは0で、特徴重要度の計算は行われません。
  • results_field
  • (オプション、文字列) 受信ドキュメントに追加されるフィールドで、推論予測を含みます。デフォルトは、モデルのトレーニングに使用されたデータフレーム分析ジョブのresults_field値で、デフォルトは<dependent_variable>_predictionです。
  • top_classes_results_field
  • (オプション、文字列) トップクラスが書き込まれるフィールドを指定します。デフォルトはtop_classesです。
  • prediction_field_type
  • (オプション、文字列) 書き込む予測フィールドのタイプを指定します。有効な値は、string、number、booleanです。booleanが提供されると、1.0はtrueに変換され、0.0はfalseに変換されます。

マスク設定オプション

  • num_top_classes
  • (オプション、整数) 戻すトップクラス予測の数を指定します。デフォルトは0です。
  • results_field
  • (オプション、文字列) 受信ドキュメントに追加されるフィールドで、推論予測を含みます。デフォルトは、モデルのトレーニングに使用されたデータフレーム分析ジョブのresults_field値で、デフォルトは<dependent_variable>_predictionです。
  • tokenization
  • (オプション、オブジェクト) 実行するトークン化と希望する設定を示します。デフォルトのトークン化設定はbertです。有効なトークン化値は
    • bert: BERTスタイルのモデルに使用
    • mpnet: MPNetスタイルのモデルに使用
    • roberta: RoBERTaスタイルおよびBARTスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 xlm_roberta: XLMRoBERTaスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 bert_ja: 日本語用にトレーニングされたBERTスタイルのモデルに使用。
      トークン化のプロパティ
    • bert
    • (オプション、オブジェクト) BERTスタイルのトークン化を、含まれる設定で実行します。
      BERTのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • roberta
    • (オプション、オブジェクト) RoBERTaスタイルのトークン化を、含まれる設定で実行します。
      RoBERTaのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • mpnet
    • (オプション、オブジェクト) MPNetスタイルのトークン化を、含まれる設定で実行します。
      MPNetのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。

NER設定オプション

  • results_field
  • (オプション、文字列) 受信ドキュメントに追加されるフィールドで、推論予測を含みます。デフォルトは、モデルのトレーニングに使用されたデータフレーム分析ジョブのresults_field値で、デフォルトは<dependent_variable>_predictionです。
  • tokenization
  • (オプション、オブジェクト) 実行するトークン化と希望する設定を示します。デフォルトのトークン化設定はbertです。有効なトークン化値は
    • bert: BERTスタイルのモデルに使用
    • mpnet: MPNetスタイルのモデルに使用
    • roberta: RoBERTaスタイルおよびBARTスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 xlm_roberta: XLMRoBERTaスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 bert_ja: 日本語用にトレーニングされたBERTスタイルのモデルに使用。
      トークン化のプロパティ
    • bert
    • (オプション、オブジェクト) BERTスタイルのトークン化を、含まれる設定で実行します。
      BERTのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • roberta
    • (オプション、オブジェクト) RoBERTaスタイルのトークン化を、含まれる設定で実行します。
      RoBERTaのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • mpnet
    • (オプション、オブジェクト) MPNetスタイルのトークン化を、含まれる設定で実行します。
      MPNetのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。

回帰設定オプション

推論のための回帰設定。

  • results_field
  • (オプション、文字列) 受信ドキュメントに追加されるフィールドで、推論予測を含みます。デフォルトは、モデルのトレーニングに使用されたデータフレーム分析ジョブのresults_field値で、デフォルトは<dependent_variable>_predictionです。
  • num_top_feature_importance_values
  • (オプション、整数) ドキュメントごとの特徴重要度値の最大数を指定します。デフォルトは0で、特徴重要度の計算は行われません。

テキスト分類設定オプション

  • classification_labels
  • (オプション、文字列) 分類ラベルの配列。
  • num_top_classes
  • (オプション、整数) 戻すトップクラス予測の数を指定します。デフォルトは0です。
  • results_field
  • (オプション、文字列) 受信ドキュメントに追加されるフィールドで、推論予測を含みます。デフォルトは、モデルのトレーニングに使用されたデータフレーム分析ジョブのresults_field値で、デフォルトは<dependent_variable>_predictionです。
  • tokenization
  • (オプション、オブジェクト) 実行するトークン化と希望する設定を示します。デフォルトのトークン化設定はbertです。有効なトークン化値は
    • bert: BERTスタイルのモデルに使用
    • mpnet: MPNetスタイルのモデルに使用
    • roberta: RoBERTaスタイルおよびBARTスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 xlm_roberta: XLMRoBERTaスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 bert_ja: 日本語用にトレーニングされたBERTスタイルのモデルに使用。
      トークン化のプロパティ
    • bert
    • (オプション、オブジェクト) BERTスタイルのトークン化を、含まれる設定で実行します。
      BERTのプロパティ
      • span
      • (オプション、整数) truncateがnoneの場合、長いテキストシーケンスを推論のために分割できます。値は各サブシーケンス間のトークンの重なりを示します。
        デフォルト値は-1で、ウィンドウやスパンは発生しません。
        通常の入力がmax_sequence_lengthよりわずかに大きい場合は、単に切り捨てるのが最良かもしれません。2番目のサブシーケンスには非常に少ない情報しか含まれません。
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • roberta
    • (オプション、オブジェクト) RoBERTaスタイルのトークン化を、含まれる設定で実行します。
      RoBERTaのプロパティ
      • span
      • (オプション、整数) truncateがnoneの場合、長いテキストシーケンスを推論のために分割できます。値は各サブシーケンス間のトークンの重なりを示します。
        デフォルト値は-1で、ウィンドウやスパンは発生しません。
        通常の入力がmax_sequence_lengthよりわずかに大きい場合は、単に切り捨てるのが最良かもしれません。2番目のサブシーケンスには非常に少ない情報しか含まれません。
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • mpnet
    • (オプション、オブジェクト) MPNetスタイルのトークン化を、含まれる設定で実行します。
      MPNetのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。

テキスト埋め込み設定オプション

  • results_field
  • (オプション、文字列) 受信ドキュメントに追加されるフィールドで、推論予測を含みます。デフォルトは、モデルのトレーニングに使用されたデータフレーム分析ジョブのresults_field値で、デフォルトは<dependent_variable>_predictionです。
  • tokenization
  • (オプション、オブジェクト) 実行するトークン化と希望する設定を示します。デフォルトのトークン化設定はbertです。有効なトークン化値は
    • bert: BERTスタイルのモデルに使用
    • mpnet: MPNetスタイルのモデルに使用
    • roberta: RoBERTaスタイルおよびBARTスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 xlm_roberta: XLMRoBERTaスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 bert_ja: 日本語用にトレーニングされたBERTスタイルのモデルに使用。
      トークン化のプロパティ
    • bert
    • (オプション、オブジェクト) BERTスタイルのトークン化を、含まれる設定で実行します。
      BERTのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • roberta
    • (オプション、オブジェクト) RoBERTaスタイルのトークン化を、含まれる設定で実行します。
      RoBERTaのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • mpnet
    • (オプション、オブジェクト) MPNetスタイルのトークン化を、含まれる設定で実行します。
      MPNetのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。

テキスト拡張設定オプション

  • results_field
  • (オプション、文字列) 受信ドキュメントに追加されるフィールドで、推論予測を含みます。デフォルトは、モデルのトレーニングに使用されたデータフレーム分析ジョブのresults_field値で、デフォルトは<dependent_variable>_predictionです。
  • tokenization
  • (オプション、オブジェクト) 実行するトークン化と希望する設定を示します。デフォルトのトークン化設定はbertです。有効なトークン化値は
    • bert: BERTスタイルのモデルに使用
    • mpnet: MPNetスタイルのモデルに使用
    • roberta: RoBERTaスタイルおよびBARTスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 xlm_roberta: XLMRoBERTaスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 bert_ja: 日本語用にトレーニングされたBERTスタイルのモデルに使用。
      トークン化のプロパティ
    • bert
    • (オプション、オブジェクト) BERTスタイルのトークン化を、含まれる設定で実行します。
      BERTのプロパティ
      • span
      • (オプション、整数) truncateがnoneの場合、長いテキストシーケンスを推論のために分割できます。値は各サブシーケンス間のトークンの重なりを示します。
        デフォルト値は-1で、ウィンドウやスパンは発生しません。
        通常の入力がmax_sequence_lengthよりわずかに大きい場合は、単に切り捨てるのが最良かもしれません。2番目のサブシーケンスには非常に少ない情報しか含まれません。
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • roberta
    • (オプション、オブジェクト) RoBERTaスタイルのトークン化を、含まれる設定で実行します。
      RoBERTaのプロパティ
      • span
      • (オプション、整数) truncateがnoneの場合、長いテキストシーケンスを推論のために分割できます。値は各サブシーケンス間のトークンの重なりを示します。
        デフォルト値は-1で、ウィンドウやスパンは発生しません。
        通常の入力がmax_sequence_lengthよりわずかに大きい場合は、単に切り捨てるのが最良かもしれません。2番目のサブシーケンスには非常に少ない情報しか含まれません。
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • mpnet
    • (オプション、オブジェクト) MPNetスタイルのトークン化を、含まれる設定で実行します。
      MPNetのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。

ゼロショット分類の設定オプション

  • labels
  • (オプション、配列) 分類するラベル。デフォルトのラベルを作成時に設定し、推論中に更新できます。
  • multi_label
  • (オプション、ブール値) 入力に対して複数の true ラベルが可能かどうかを示します。これは、複数の入力ラベルに関連する可能性のあるテキストにラベルを付ける際に便利です。デフォルトは false です。
  • results_field
  • (オプション、文字列) 受信ドキュメントに追加されるフィールドで、推論予測を含みます。デフォルトは、モデルのトレーニングに使用されたデータフレーム分析ジョブのresults_field値で、デフォルトは<dependent_variable>_predictionです。
  • tokenization
  • (オプション、オブジェクト) 実行するトークン化と希望する設定を示します。デフォルトのトークン化設定はbertです。有効なトークン化値は
    • bert: BERTスタイルのモデルに使用
    • mpnet: MPNetスタイルのモデルに使用
    • roberta: RoBERTaスタイルおよびBARTスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 xlm_roberta: XLMRoBERTaスタイルのモデルに使用
    • [プレビュー] この機能は技術プレビュー中であり、将来のリリースで変更または削除される可能性があります。Elasticは問題を修正するために取り組みますが、技術プレビューの機能は公式GA機能のサポートSLAの対象ではありません。 bert_ja: 日本語用にトレーニングされたBERTスタイルのモデルに使用。
      トークン化のプロパティ
    • bert
    • (オプション、オブジェクト) BERTスタイルのトークン化を、含まれる設定で実行します。
      BERTのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • roberta
    • (オプション、オブジェクト) RoBERTaスタイルのトークン化を、含まれる設定で実行します。
      RoBERTaのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。
    • mpnet
    • (オプション、オブジェクト) MPNetスタイルのトークン化を、含まれる設定で実行します。
      MPNetのプロパティ
      • truncate
      • (オプション、文字列) トークンがmax_sequence_lengthを超えた場合の切り捨て方法を示します。デフォルト値はfirstです。
      • none: 切り捨ては行われず、推論リクエストはエラーを受け取ります。
      • first: 最初のシーケンスのみが切り捨てられます。
      • second: 2番目のシーケンスのみが切り捨てられます。シーケンスが1つだけの場合、そのシーケンスが切り捨てられます。
        zero_shot_classificationの場合、仮説シーケンスは常に2番目のシーケンスです。したがって、この場合secondを使用しないでください。

推論プロセッサの例

Js

  1. "inference":{
  2.   "model_id": "my_model_id",
  3.   "field_map": {
  4.    "original_fieldname": "expected_fieldname"
  5.   },
  6.   "inference_config": {
  7.    "regression": {
  8.    "results_field": "my_regression"
  9.    }
  10.   }
  11. }

この設定は regression 推論を指定し、結果は target_field 結果オブジェクト内の my_regression フィールドに書き込まれます。field_map 設定は、ソースドキュメントの original_fieldname フィールドをモデルが期待するフィールドにマッピングします。

Js

  1. "inference":{
  2.   "model_id":"my_model_id"
  3.   "inference_config": {
  4.    "classification": {
  5.    "num_top_classes": 2,
  6.    "results_field": "prediction",
  7.    "top_classes_results_field": "probabilities"
  8.    }
  9.   }
  10. }

この設定は classification 推論を指定します。予測確率が報告されるカテゴリの数は 2 (num_top_classes) です。結果は prediction フィールドに書き込まれ、上位クラスは probabilities フィールドに書き込まれます。両方のフィールドは target_field 結果オブジェクトに含まれています。

自然言語処理トレーニングモデルを使用した例については、NLP推論をインジェストパイプラインに追加するを参照してください。

特徴重要度オブジェクトマッピング

特徴重要度を集約して検索する完全な利点を得るために、以下のように特徴重要度結果フィールドのインデックスマッピングを更新してください:

Js

  1. "ml.inference.feature_importance": {
  2.   "type": "nested",
  3.   "dynamic": true,
  4.   "properties": {
  5.    "feature_name": {
  6.    "type": "keyword"
  7.    },
  8.    "importance": {
  9.    "type": "double"
  10.    }
  11.   }
  12. }

特徴重要度のマッピングフィールド名（上記の例では ml.inference.feature_importance）は次のように構成されます: 

  2. -  `````<ml.inference.target_field>`````: デフォルトは `````ml.inference````` です。  
  3. -  `````<inference.tag>`````: プロセッサ定義に提供されていない場合、それはフィールドパスの一部ではありません。
  5. たとえば、以下のように定義にタグ `````foo````` を提供する場合:
  8. #### Js
  10. ``````js
  11. {
  12.   "tag": "foo",
  13.   ...
  14. }
  15. `

この場合、特徴重要度の値は ml.inference.foo.feature_importance フィールドに書き込まれます。

ターゲットフィールドを次のように指定することもできます:

Js

  1. {
  2.   "tag": "foo",
  3.   "target_field": "my_field"
  4. }

この場合、特徴重要度は my_field.foo.feature_importance フィールドに公開されます。